◎李勇軍 郭夢雨
隨著科技的發(fā)展,人工智能(AI)近年來被廣泛應用于金融、醫(yī)療和教育等行業(yè)中,對社會經濟發(fā)展產生了深刻的影響。銀行業(yè)是人工智能應用發(fā)展最快的行業(yè),這是因為銀行業(yè)龐大的客戶群與數據量,為AI的數據分析和建模提供了堅實可靠的基礎。人工智能不僅為商業(yè)銀行帶來了技術,而且對傳統(tǒng)銀行業(yè)務模式和商業(yè)理念產生了巨大的影響。
在互聯(lián)網時代,手機銀行等的出現(xiàn)降低了客戶對工作人員的依賴,但這種單向交流方式使得銀行在降低成本的同時失去了創(chuàng)造更多金融價值的機會,獲客能力降低。隨著人工智能技術的日趨成熟,智能化技術在商業(yè)銀行得以廣泛應用,如機器人客服以及核心區(qū)域的巡檢機器人,可提供7×24小時不間斷互動服務,這些技術可以優(yōu)化銀行的業(yè)務流程、提升服務效率并降低運行成本[1]。
風險管理是金融的本質,金融業(yè)務的核心是風險控制。人工智能可以成為商業(yè)銀行改善風險管理的工具,極大地提升風險評估準確率和靈敏度。一是助力便捷信貸和安全信貸。通過人工智能技術建立風控模型,不斷更新企業(yè)與個人風控水平,有效提高金融防范能力。借助機器學習技術,銀行可以實時、動態(tài)監(jiān)控借款人的還貸能力,以減少因壞賬造成的損失。二是減少服務缺失情況的出現(xiàn)。獲取客戶的數字化特征后,服務機器人可使用大數據進行甄別和風險測量,使缺乏信用記錄的客戶有獲得服務的機會。尤其是對有融資需求的中小企業(yè),可通過數據挖掘和分析技術獲取企業(yè)實際業(yè)務狀況、盈利水平和信用狀況,為銀行向客戶貸款提供參考,深挖優(yōu)質客戶。
人工智能大發(fā)展的背景下,對內部員工的管理將更加規(guī)范、科學。智能機器的存在將使得越來越多的操作性崗位人員被替代,人員將優(yōu)化到銀行發(fā)展的核心方向。這將改變商業(yè)銀行人員結構,提高銀行管理水平,將銀行管理體系從垂直化逐步轉變?yōu)楸馄交瑥亩偈蛊鋬炔拷Y構發(fā)生變革。
現(xiàn)今,越來越多的商業(yè)銀行將人工智能作為轉型升級的戰(zhàn)略核心,這是銀行轉型的必然方向,也是銀行重塑核心競爭力的關鍵所在[2]。圍繞核心競爭,銀行將進一步提升行業(yè)的智能化水平,并對競爭模式進行深度變革,這必然會改變銀行間的競爭格局。
自然語言處理是用計算機來處理、理解以及運用人類語言,包括兩個方面:一是讓機器人識別人類的語言、理解人類所要表達的意思。二是機器以人類能夠理解的方式將信息生動地傳達給人類,如智能客服應用場景。運用自然語言處理還可以將重點信息聚類,挖掘客戶關注熱點,為營銷與服務提供決策支持。自然語言處理還應用于一些核心的金融業(yè)務場景,如信貸報告解析、競價報告等。
人臉識別技術是一種生物識別技術,運用后可加強商業(yè)銀行的安全防護能力。在商業(yè)銀行網點,ATM攝像頭、人臉識別不僅用來識別客戶身份,還可以根據人物特征提前識別可疑人員及可疑行為動作;利用柜臺內部攝像頭,監(jiān)控并判斷員工行為是否合規(guī)。商業(yè)銀行的安全管理尤其是對核心區(qū)域的安全監(jiān)控非常重要,如機房、金庫及保險柜等場所,是銀行的命脈所在,可通過增加人像識別攝像頭,實現(xiàn)智能識別,提高安全控制。
在實踐中,機器學習是一種隨著數據樣本而自動積累程序,然后根據程序自動獲得精準預測的方法。目前機器學習在商業(yè)銀行中的應用主要表現(xiàn)在:一是欺詐識別,通過機器學習的方法,識別數據形態(tài),將信息整合到一起,然后從行為活動中分辨出欺詐行為,并提前做好防范。二是智能投顧,根據用戶目標和風險承受能力對投資組合提出相關建議。智能投顧將運用多層神經網絡,根據用戶的風險偏好及投資目標在各類資產和金融工具中進行搜索匹配。系統(tǒng)會根據用戶目標和市場的變化作出實時調整,一切以滿足用戶投資目標為核心。三是交易預測,系統(tǒng)通常每天會操作數千次或百萬次交易,機器學習和深度學習在實時交易決策中正發(fā)揮愈加重要的作用。
很多商業(yè)銀行在大堂設置智慧機器人,賦予其人類的形象、感情與動作,實現(xiàn)自動巡航功能,通過自然語言處理、語音識別及人像識別等技術,完成與客戶的業(yè)務交流及辦理;將24小時巡檢機器人投放在機房等核心區(qū)域,進行實時監(jiān)控[3]。
一是智能化技術在商業(yè)銀行的應用仍處于探索階段,銀行在智能化過程中難免會存在一些系統(tǒng)漏洞,再加上與金融相關的信息很容易受到黑客的攻擊,而安全漏洞的補修速度要慢于非法使用信息的速度,從而埋下了安全隱患。二是數據在傳送過程中可能存在缺失的風險[4]。
人工智能的應用推動了銀行從傳統(tǒng)經營模式向智能化模式轉變,這意味著企業(yè)對數據和分析型人才需求陡增。目前銀行雖然也在培養(yǎng)吸收大量的數據分析及算法人員,但是他們的知識與技能偏向于數據管理層面,而智能化所需要的分析型人才分布于多個業(yè)務層面,顯然這方面的人才供給小于需求,使得商業(yè)銀行難以對各個領域的數據進行有效分析,限制了商業(yè)銀行的智能化發(fā)展步伐。
當前,銀行內部機構之間的數據信息溝通不暢,導致很多數據被閑置,數據資產還停留在為存儲而存儲的被動階段,無法充分實現(xiàn)數據的經濟價值。此外,一些銀行工作人員對人工智能技術了解不深入,導致內部員工對其應用前景信心不足,影響員工對數據收集和整理的積極性,而充分的大數據資源是智能分析精準化的前提,因此,這是目前銀行智能化發(fā)展面臨困境的主要原因之一。
一是很多針對銀行風險控制的法律法規(guī)并不能適應新的智能化運營模式,導致很多不當的智能化管理方式及操作游走在法律管控的邊緣。二是由于監(jiān)管具有滯后性,如果銀行披露的數據存在數據造假、缺失的問題,有可能會誤導大眾。
一是人工智能模型通過各種方法分析非結構化數據,如果智能模型出錯了或者程序出錯了,那么將會對銀行造成經濟損失。二是互聯(lián)網數據的開放性促進了銀行間信息共享,這意味著銀行數據庫的來源更加多樣化,相應地,也面臨著更多的不確定性。
人工智能在商業(yè)銀行零售領域的應用可以提升數據的處理效率,節(jié)約人工成本和時間成本,但在提高銀行效率的同時,也會給銀行帶來相當程度的風險。因此商業(yè)銀行應遵循人工智能的運行規(guī)律,逐步改進智能化體系構建中的不足,加強信息安全管理,加快彌補人工智能技術應用在銀行業(yè)的監(jiān)管機制漏洞[5]。
人工智能在商業(yè)銀行的推廣與應用不僅需要零售網點的智能化應用,更需要管理層制定與之相適應的頂層設計和專項規(guī)劃。與此同時,應根據智能技術在銀行應用的發(fā)展周期制定相應的戰(zhàn)略,突出數據的重要性,加強相關知識理論和核心技術研究,使之獲得戰(zhàn)略層面的重視。前期可先應用較為成熟的智能機器,如語音識別、生物識別等,后期可重點攻克智能機器人等,整個過程中基于深度學習的技術一直是發(fā)展的重點,要不斷地優(yōu)化與提升智能模型。
大量的非結構化數據是銀行智能化、精準營銷、防控風險及開發(fā)產品的重要基礎。因此在智能化的趨勢下,必須重視銀行內部數據的積累與整合,制定科學合理的數據采集標準和格式標準以便于共享數據、防止數據泄露與失真,確??蛻粜畔踩?。銀行內部之間的信息溝通不暢不利于數據的充分利用,這種情況下建構完善的數據生態(tài)圈尤為必要。在一個完善的數據生態(tài)圈下,商業(yè)銀行可以通過應用深度學習技術,做到對數據的充分挖掘,為銀行的決策提供數據與技術支持,節(jié)省決策時間。
信息安全不僅關系到新技術的可持續(xù)發(fā)展,也關系到個人隱私。銀行應借助人工智能技術監(jiān)管多變的數據環(huán)境,建立風險防范機制,確保系統(tǒng)能夠穩(wěn)定運行。面對人工智能的迅速發(fā)展,金融監(jiān)管機構應根據人工智能的特點制定法律法規(guī),以引導商業(yè)銀行合法進行數據的獲取、交易及公開,確保銀行的信息安全。利用人工智能技術進行金融監(jiān)管,可以及時有效地發(fā)現(xiàn)并解決智能模型出現(xiàn)的偏差。
與傳統(tǒng)的專業(yè)人才不同,智能化人才具有知識結構交叉及綜合的特征,很難通過傳統(tǒng)的技術培訓獲得[6]。因此商業(yè)銀行在進一步深化與高校等科研機構合作的同時也應引進和培養(yǎng)智能化專家團隊,積極儲備新型人才??萍嫉牟粩喟l(fā)展促使知識結構的不斷更新,作為新型人才需要不斷地學習新技術才能不被淘汰,相應地銀行也要改進并完善人才的培訓體制,幫助員工提升自我,以培養(yǎng)一批梯隊合理、綜合性發(fā)展的智能型人才。